ASR與TTS功能在語音增值業(yè)務(wù)平臺中的設(shè)計與實現(xiàn).pdf

1、隨著增值業(yè)務(wù)的不斷發(fā)展和移動用戶對內(nèi)容需求的增大，傳統(tǒng)的使用數(shù)據(jù)業(yè)務(wù)提供內(nèi)容的方式已不能滿足需求。語音增值業(yè)務(wù)系統(tǒng)通過以話音為主的方式向用戶提供內(nèi)容。作為語音增值業(yè)務(wù)系統(tǒng)的核心，語音增值業(yè)務(wù)平臺采用VXML(VoiceExtensibleMarkupLanguage)這一開放標準語言，給業(yè)務(wù)內(nèi)容提供商的語音內(nèi)容業(yè)務(wù)提供執(zhí)行平臺，進而建立起全新的“運營商——業(yè)務(wù)提供商——內(nèi)容提供商”價值鏈。ASR(AutomaticSpeechRecog

2、nition)與TTS(TexttoSpeech)是語音增值業(yè)務(wù)平臺開展語音業(yè)務(wù)所需的極為重要的媒體資源能力，它們優(yōu)化了用戶與語音增值業(yè)務(wù)平臺的交互手段，提高了服務(wù)質(zhì)量，而且促使了新的業(yè)務(wù)的出現(xiàn)。 本文對作者攻讀碩士學位期間的工作進行了回顧和總結(jié)。作者在課題設(shè)計期間負責語音增值業(yè)務(wù)平臺中ASR和TTS功能的設(shè)計和實現(xiàn)。論文首先分別對語音增值業(yè)務(wù)系統(tǒng)與語音增值業(yè)務(wù)平臺的概念和結(jié)構(gòu)、ASR與TTS的原理及其標準進行了介紹。接著重點設(shè)

3、計了ASR和TTS功能在VAP(VoiceValue-addedServicePlatform)中的一種基于API的實現(xiàn)方案。VAP的TTSC(TexttoSpeechClient)模塊和RN(ResourseNote)模塊受控于VXML模塊，通過引擎的API與ASR或TTS服務(wù)器進行交互來提供ASR與TTS媒體資源。TTSC模塊實現(xiàn)文本到語音文件的轉(zhuǎn)換的功能，這種功能適用于對實時性無要求或合成的文本較小的場合。結(jié)合TTS引擎APl的特

4、點，TTSC模塊采用了線程池模式來實現(xiàn)消息的并發(fā)處理及資源的動態(tài)分配。RN模塊在VAP中負責提供各種媒體資源，它由消息分發(fā)模塊RNManager、資源節(jié)點功能模塊RNF(ResourceNoteFunction)等組成。RNF模塊實現(xiàn)了語音和DTMF音信號的識別及文本的播放，其實現(xiàn)依賴于其它由DSP(DigitalSignalProcess)語音卡提供的媒體資源能力。論文在對并發(fā)處理、實時性、資源協(xié)作、資源動態(tài)分配等關(guān)鍵問題的分析和解決

5、的基礎(chǔ)上，完成了RNF模塊的設(shè)計和實現(xiàn)。論文分別在NMS和Ddialogic兩種語音卡上對RNF模塊進行了實現(xiàn)，并對這兩種實現(xiàn)進行了比較。本文最后分析了基于API的實現(xiàn)方式的缺陷，提出了一種基于MRCP(MediaResourceControlProtoco1)協(xié)議的改進方案。使用MRCP協(xié)議作為VAP與ASR／TTS服務(wù)器的接口的好處是只需要進行一次編碼就可以集成所有支持該協(xié)議的引擎。論文基于MRCP和NMS的fusion對RNF進行